GP

Gestion de Production
Pierre Lopez
LAAS-CNRS
Laboratoire d'Analyse et d'Architecture des Systmes Centre National de la Recherche Scientifique Toulouse
P. Lopez LAAS-CNRS Gestion de Production 1
Plan du cours
Introduction

Historique Typologie des SP Flexibilit, gestion d'activits Structures organisationnelles Programmation linaire Thorie des graphes Mthodes (gnrales) de rsolution exactes et approches Mthodes spcifiques Gestion des stocks Planification des besoins en composants Juste--temps
Modles et mthodes en planification-ordonnancement

Mthodes gnrales en GP

P. Lopez LAAS-CNRS
Bibliographie
Vincent GIARD Gestion de la production Economica, 2003, 3me dition
Grard BAGLIN et al. Management industriel et logistique Economica, 1990
Jean BENASSY La gestion de production Hermes, 1998, 3me dition
Lionel DUPONT La gestion industrielle Hermes, 1998
Patrick ESQUIROL et Pierre LOPEZ L'ordonnancement Economica, 1999 Pierre LOPEZ et Franois ROUBELLAT Ordonnancement de la production Herms, 2001
Gestion de Production 3
P. Lopez LAAS-CNRS
1re partie : Introduction

1. Historique 2. Dfinitions
2.1. Vision automaticienne Systme de Production Gestion de Production GPAO 2.2. Vision systmique : 4 grandes activits 2.3. Trois sous-systmes systme physique systme dcisionnel systme informationnel 2.4 Flexibilit
3. Gestion d'activits
3.1. Dfinition 3.2. Approche multiniveaux 3.3. Organisation matricielle
4. Typologie des systmes de production

4.1. en fonction de lorganisation des ressources 4.2. en fonction du pilotage de la production
4
Historique

XVIIIme s. : production artisanale XIXme s. : production manufacturire (armes, tabac) XXme s. : dsir de rationalisation des facteurs de production point de dpart de la gestion de production...
Taylor (1911) : organisation du travail base sur

distinction radicale entre conception et excution recherche systmatique des conomies de gestes et mouvements utilisation maximale de la machine avance du concept de flexibilit dans les entreprises
Ford (1913) : standardisation de la production et travail la chane
Harris et Wilson (1913-1924) : quantit conomique Fayol (1916) : modle hirarchique d'organisation de la production
savoir, prvoir, organiser, commander, coordonner, contrler
Gantt (1917) : ordonnancement

P. Lopez LAAS-CNRS
SP GP GPAO (1)
Systme de Production
vision automaticienne : transformer un ensemble de matires premires ou de composants semi-finis en produits finis
assurer l'organisation du systme de production afin de fabriquer les produits en quantits et temps voulus compte tenu des moyens (humains ou technologiques) disponibles
Gestion de Production Assiste par Ordinateur

P. Lopez LAAS-CNRS
SP GP GPAO (2)
Systme de Production
mat. 1res ou comp. finis
comp. finis ou produits finis
GP
GPAO

Avantage : vision synthtique Inconvnient : masquage des activits non orientes fabrication (tude de march, conception, recherche, ...)
P. Lopez LAAS-CNRS
Vision systmique d'un SP

clients fournisseurs
donnes techniques
gestion de stocks
gestion des matires gestion du travail
stocks
donnes commerciales
planification ordonnancement
fabrication suivi de fabrication
P. Lopez LAAS-CNRS
Quatre grandes activits de la GP
gestion des donnes techniques

description des produits et des familles de produits (nomenclatures) description des processus de ralisation (gammes)
gestion des donnes commerciales

reoit les commandes et tablit les calendriers de livraison souhaits
gestion des matires

assurer l'approvisionnement en matires premires ou composants assurer le stockage de produits fabriqus organiser dans le temps la ralisation des tches en leur attribuant les ressources ncessaires. Prend en compte les donnes techniques et commerciales et celles du suivi de fabrication (quantits dj fabriques, tat des ressources...).
gestion du travail
P. Lopez LAAS-CNRS
Distingo de 3 sous-systmes dans un SP
Systme physique

lments directement impliqus dans le processus de fabrication soumis aux perturbations manant de l'environnement
Systme dcisionnel

gestion des activits du systme physique prise en compte des contraintes environnementales besoin de ractivit
Systme informationnel

assurer les liens systme physique-systme dcisionnel et systme dcisionnel-environnement besoin de ractivit
P. Lopez LAAS-CNRS
Flexibilit dans les entreprises
Flexibilit
capacit d'un systme industriel crer ou grer la varit, afin de s'adapter aux changements de l'environnement, internes (pannes machines, absences de personnel...) ou externes (commandes urgentes, retard d'appros...), tout en maintenant son quilibre moyen pour une meilleure ractivit industrielle
Flexibilit vs. Ractivit

flexibilit lie au nombre de choix possibles en rponse une perturbation ractivit = processus de recherche de solution la perturbation
Apparition d'alas

practivit : prparation un changement prvisible proactivit : action en vue de provoquer un changement souhait
P. Lopez LAAS-CNRS
11
La gestion d'activits
Activit = action d'un moyen socio-technique, d'une entreprise Gestion d'activits = organiser la programmation d'un ensemble d'activits sous contraintes de temps et de ressources Applications

planification des flux ordonnancement de tches / affectation de ressources gestion de ressources
Traitement

mthodes stochastiques vs. dterministes mthodes exactes vs. approches approches par contraintes
P. Lopez LAAS-CNRS
Gestion d'activits : approche multi-niveaux
volume et htrognit des objectifs approche globale inadapte (trop complexe) distribution en plusieurs centres de dcision possdant une abstraction et une hirarchie distinctes [Antony 65] : classification des dcisions dans une structure 3 niveaux qui diffrent par :

l'horizon de dcision le niveau de comptence hirarchique l'agrgation de la dcision

P. Lopez LAAS-CNRS
Niveaux de dcision en planification
planification long terme (dcisions stratgiques) :

dfinit la stratgie gnrale ou les macrostructures (tude de march, investissements, campagne publicitaire) horizon de 1 5 ans tablissement d'un plan de production (dfinition des taux de production pour chaque famille de produits) organisation des moyens horizon de 1 mois 1 an dfinit des ordonnancements dtaills (objets terminaux et ressources individualises) horizon de 1 jour 1 semaine
planification moyen terme (dcisions tactiques)

planification court terme (dcisions oprationnelles)

micro-planification (conduite)
temps rel
P. Lopez LAAS-CNRS
Structures organisationnelles en GP (1)
Organisation hirarchique fonctionnelle

stratgique
gestion de projet
tactique
planification
oprationnel
ordonnancement
systme de production
P. Lopez LAAS-CNRS
15
Structures organisationnelles en GP (2)
Organisation matricielle projet/mtier

RP1 RP1 RP1
RM1 RM2 RM3 RM4
Contexte de lIngnierie Concourante ordonnancement coordination entre diffrents acteurs

Typologie des SP (1)
En fonction de l'organisation des ressources
production continue : produit ne peut attendre qu'une ressource se libre (ex : industries de process sidrurgie, ptrochimie, chimie lourde, pharmacie, agroalimentaire) production de masse : produits quasi-identiques, en grande quantit, moyens de production spcialiss et organiss afin d'optimiser le cycle de production (ex : industrie automobile...) production en petite et moyenne sries : diversit forte des produits, type de demande (personnalis) prohibe quipement spcialis ressources polyvalentes, lancement par lot afin de minimiser les cots lis a une campagne de fabrication (ex : industries de sous-traitance : quipementiers, service) production unitaire (gestion de projet) : production en trs faible quantit, cycle de production lev, nombreuses ressources (ex : industrie aronautique, spatial, BTP, )
P. Lopez LAAS-CNRS
Organisation en ligne de production
ordre de passage sur les postes de travail toujours identique (flow shop) importance de la fiabilit du matriel, la panne d'une machine provoquant l'arrt de la chane prpondrance de la maintenance quilibrage de la chane afin que le produit passe un temps aussi constant que possible sur chaque poste. But : flux rythm des produits sans accumulation d'en-cours ni perte de temps.
P. Lopez LAAS-CNRS
18
Organisation en ateliers

main d'uvre qualifie et quipements polyvalents importance de la gestion des approvisionnements cots de manutention importants diminution des cots

optimisation de la localisation relative des centres de production : agencement de l'espace technologie de groupe : constitution de "sous-usines" base sur des considrations techniques
multiplicit des routes entre postes de travail prpondrance de la problmatique d'ordonnancement
P. Lopez LAAS-CNRS
19
Organisation de type srie unitaire

mobilisation de toutes les ressources de l'entreprise pour la ralisation d'un projet, sur une assez longue priode "survie" des entreprises ralise par la gestion en parallle de plusieurs projets, des stades diffrents d'avancement personnel qualifi excute des tches caractre non rptitif quipements polyvalents problme des stocks secondaire (produit fini non stockable et approvisionnements spcifiques au projet) problmes majeurs : respect des dlais et matrise des cots rle essentiel de l'ordonnancement
P. Lopez LAAS-CNRS
20
10

En fonction du pilotage de la production
production la commande : dclenche par la commande ferme d'un client grande varit de produits, demande alatoire production pour stock : dclenche par anticipation d'une demande solvable ventail des produits restreint, demande importante et prvisible production mixte : fabrication sur stocks et la commande
production flux tendus

P. Lopez LAAS-CNRS
2me partie Modles et mthodes en planification-ordonnancement

1. Planification - Programmation linaire 2. Problmes d'ordonnancement
2.1. Dfinitions 2.2. Contraintes Contraintes temporelles - Ingalits de potentiels Contraintes de ressources 2.3. Typologie des problmes
3. Ordonnancement de projet
Position du problme Diagramme de Gantt Graphe potenties-tches Mthode PERT
4. Ordonnancement datelier
Position du problme et dfinitions Problme une machine Flow shop Job shop Open shop
22
11
Programmation Linaire (1)

planification optimale du travail sur des ressources moyen terme production = processus continu sur un horizon relativement important modlisation par des quations ou des inquations linaires o les inconnues sont les volumes de production sur chaque priode Objet : dterminer ces inconnues de faon optimiser un critre (minimisation des en-cours, des stocks, des cots, maximisation des marges bnficiaires) Max Z = A.X sous : C.X B X0
P. Lopez LAAS-CNRS
23
Programmation Linaire (2)
Exemple

2 produits 1 et 2 dont les marges brutes sont respectivement 3 et 5 units montaires par unit de produit fabrication = usinage + montage capacit de l'atelier d'usinage = 1800 h/mois capacit de l'atelier de montage = 1000 h/mois 1 unit du produit 1 (resp. 2) ncessite 2 heures (resp. 3 heures) d'usinage et 1 heure (resp. 2 heures) de montage
Programme linaire
Dterminer : maximisent : sous les contraintes : x1 et x2 qui 3x1 et 5x2 2x1+3x2 1800 x1 + 2x2 1000 x1, x2 0
P. Lopez LAAS-CNRS
12
PL : interprtation gomtrique
800 x2
droite de pente -3/5 correspondant au critre rgion admissible
600
2x
+3
x2
400
=1
80
(600, 200)
x1 = 0
200
x1 +
x2 = 0
2x
=1
000
200
400
600
800
1000 x1
600 units du produit 1 et 200 units du produit 2 marge brute totale = 2800 units montaires
P. Lopez LAAS-CNRS
PL : rsolution (1)
Le Simplexe

mise en vidence d'une base (affectation de var.) ralisable initiale identification de la solution optimale en partant de la solution initiale et en passant par une suite de solution adjacentes complexit exponentielle mais trs grande efficacit en pratique mthodes de coupe : relaxation des contraintes d'intgrit et rsolution du problme continu

Problmes en nombres entiers
optimum entier STOP sinon ajout de contraintes de faon tronquer la rgion admissible (ou polydre) sans exclure aucune solution entire, jusqu' ce que l'optimum soit entier essentiellement pour les problmes bivalents (variables binaires)
mthodes d'exploration arborescente
P. Lopez LAAS-CNRS
13
PL : rsolution (2) mthode de coupe
2me contrainte
solution fractionnaire
1re contrainte
une coupe
P. Lopez LAAS-CNRS
27
PL : diffrents problmes
Problme d'affectation
min i j cijxij sous j xij=1, i i xij=1, j xij {0,1} , i,j
Problme de transport
min i j cijxij sous j xijqi (quantit produite), i i xijdj (demande), j xij , i,j
matrices totalement unimodulaires : sous-matrices carres unimodulaires (dterminant = 1) ou singulires (dterminant = 0) la solution continue est entire mthodes de flot maximal cot minimal : algorithmes de FordFulkerson, de Busacker-Gowen, cf. problme du sac--dos : valeur associe chaque objet algorithme pour l'affectation : mthode hongroise algorithme pour le transport : stepping stone
P. Lopez LAAS-CNRS
14
PL : dualit et solveurs
Problmes primal/dual
Z = CT X max W = b TU AX b sous ATU C X0 U0 3 proprits de la dualit : Le dual du dual est le primal Z* = W* La rsolution par l'algorithme primal permet de dterminer tous les lments de la solution de son dual min sous
Solveurs : Xpress-MP, Cplex, Excel, Matlab (Tool Box

"Optimisation") 1re phase : relaxation en variables continues (Simplexe) 2me phase : optimisation combinatoire
P. Lopez LAAS-CNRS
29
Ordonnancement
ressource

dcrit l'excution de tches et l'affectation de ressources au cours du temps compte tenu de contraintes et de manire satisfaire des objectifs
moyen socio-technique disponible en quantit limite (capacit) renouvelable ou consommable disjonctive ou cumulative entit lmentaire caractrise par une date de dbut et/ou de fin, une dure et une intensit de ressource interruptible ou non restriction sur l'excution des tches de temps ou de ressource optimalit vis--vis de critres admissibilit vis--vis des contraintes
30
tche (ou activit ou opration)
contrainte

objectif

P. Lopez LAAS-CNRS
15
Profil d'excution d'une tche
On peut distinguer 3 phases dans l'excution de la tche

intensit de ressource
temps phase principale prparation
finition
La dure de la tche peut tre une fonction de la quantit de moyens utiliss pour son excution (notion de vitesse ou de performance des ressources) : pi=f[aik (t)]
P. Lopez LAAS-CNRS
Problmes d'ordonnancement (1)
Etant donn :

un ensemble de tches un ensemble de ressources 4
Dterminer :
quand les tches sont excutes ? 1 comment les ressources sont affectes aux tches ?
nature et intensit (4), squencement (5) dbut (1), dure (2), fin (3)
A
3
B
temps
Applications

organisation du travail dans un atelier de fabrication gestion de projet confection d'emplois du temps conception d'algorithmes de gestion (informatique, spatial, )
P. Lopez LAAS-CNRS
16

Plusieurs classes de problmes dterministes
Ordonnancement sans contraintes de ressource

ex : ordonnancement de projet un projet unique nombre lev de tches relations temporelles complexes (contraintes potentielles) les niveaux de ressources sont des variables de dcision (peuvent tre adapts au plan) D
ressources temps
P. Lopez LAAS-CNRS
33
Ordonnancement avec contraintes de ressource
ordonnancement d'atelier/informatique

une machine m machines identiques m machines ddies
11
12 22 32
13 23 33
21 31
emploi du temps
Un problme de flow-shop 33
Ordonnancement avec ressources cumulatives

renouvelables/consommables doublement contraintes
Budget temps
Ordonnancement premptif/non premptif
?
17
Ordonnancement/Affectation

placement des tches en temps et en espace temps continu contraintes temporelles contraintes de ressources
diagramme de Gantt
ressources
R2 11 22 13
R1
21
12
23
temps
Cmax
Optimisation : mthodes exactes

Cheminement dans les graphes Procdures d'exploration arborescentes

algorithme de rsolution par tentative et retour arrire (backtracking) "Branch and Bound" programmation linaire en variables entires, mixtes programmation dynamique propres chaque type de problme
Programmation mathmatique

Rsultats spcifiques
P. Lopez LAAS-CNRS
36
18
Optimisation : mthodes approches
Heuristiques
"procdure exploitant au mieux la structure du problme considr, dans le but de trouver une solution de qualit raisonnable en un temps de calcul aussi faible que possible" algorithmes gloutons (myopes) rgles de priorit cadre gnral de rsolution composes de deux grandes parties :
Mtaheuristiques
exploration : permet de visiter des rgions diffrentes dans l'espace des solutions exploitation : permet de savoir o se trouvent les meilleures solutions
solution unique (Tabou, recuit simul, ...) population de solutions (algorithmes gntiques, ...)
P. Lopez LAAS-CNRS
37
Tabou, Recuit (recherche locale)
Principe
A partir d'une solution initiale connue x, amlioration du critre par la recherche de la meilleure solution x' dans un voisinage de x ; si pas d'amlioration arrt, sinon x=x'. A partir d'une solution initiale x, on examine compltement le voisinage de x. On conserve la meilleure solution x'. On mmorise la solution retenue dans une liste taboue d'une longueur donne. A partir d'une solution initiale x, un voisin x' est gnr alatoirement. On calcule l'cart des fonctions cot f = f(x')-f(x). Si f 0, x=x'. Si f > 0, x' remplace x avec une probabilit d'acceptation EXP(- /T) o T est un paramtre, appel temprature, qui dcrot au cours de la procdure.
Mthode Tabou
Recuit simul
P. Lopez LAAS-CNRS
38
19
Algorithmes gntiques
(approche volutive)
Principe
Une population initiale est gnre alatoirement. Chaque solution est code comme une chane de caractres (gnes). L'exploration est ralise par les oprateurs de mutation (modification d'un gne) et assure la diversification du voisinage ; l'exploitation est assure par les oprateurs de croisement (permutation de gnes entre solutions parents) et recherche les meilleurs enfants possibles.
P. Lopez LAAS-CNRS
39
Problme une machine

SPT
Rgle de Smith : WSPT (stock d'encours, temps de cycle, retard algbrique, moyens ou pondrs) Rgle de Jackson : EDD (retards maximum) Algorithme de Moore-Hodgson : EDD modifie (nombre de tches en retard)
P. Lopez LAAS-CNRS
20
Flow Shop
M1 M2 M3
Minimisation de la dure totale
2 machines Rgle de Johnson : le travail i prcde le travail j si dans une squence optimale si : min(pi1, pj2) < min(pj1, pi2) Cas gnral : extension de la rgle de Johnson (heuristique CDS) Pas de stockage sur machine (industrie agroalimentaire) flow shop sans attente M1 M2 M3
problme du voyageur de commerce

Job Shop
M1 M2 M3
Minimisation de la dure totale
2 machines Algorithme de Jackson : bas sur la constitution de 4 familles (M1, M2, M1-M2, M2-M1) et rgle de Johnson 2 travaux mthode graphique (Akers) Cas gnral : gnration d'ordonnancements actifs, sans retard, heuristique de machine goulet ("bottleneck heuristic")
P. Lopez LAAS-CNRS
21
Open Shop
gammes de fabrication non connues l'avance
ex : construction de lotissements, rparation ou maintenance d'engins, tenue d'examens mdicaux, ... fixer un ordre de passage sur les machines pour chaque travail trouver une squence de travaux sur chacune des machines
2 problmes

Minimisation de la dure totale, 2 machines et nonpremption rgle LAPT (Longest Alternate Processing Time first) :
slection sur une machine libre du travail dont l'opration sur l'autre machine possde la plus grande dure
Pour d'autres critres ou ds la considration de 3 machines problmes NP-difficiles (sauf Om|pmtn|Cmax)

P. Lopez LAAS-CNRS
Contexte dynamique

Arrive continuelle de nouveaux travaux Modifications des caractristiques du problme Informations modlises comme un processus stochastique rgi par une loi alatoire Mthode analytique : thorie des files d'attente

valeurs des critres pour diffrentes rgles de priorit rsultats analytiques sur les valuations en moyenne en rgime stationnaire rsultats pauvres pour les problmes d'atelier base sur des mthodes de Monte Carlo (mthode de simulation du hasard) permet d'viter des hypothses trop simplificatrices facilit de gnrer un ordonnancement et d'examiner divers scnarios
Simulation

P. Lopez LAAS-CNRS
22
La gestion d'activits

Activit = action d'un moyen socio-technique, d'une entreprise Gestion d'activits = organiser la programmation d'un ensemble d'activits sous contraintes de temps et de ressources Applications

planification des flux ordonnancement de tches / affectation de ressources gestion de ressources
Traitement

mthodes stochastiques vs. dterministes mthodes exactes vs. approches
approches par contraintes

P. Lopez LAAS-CNRS
Approche par contraintes des problmes de dcision
originalit : formulation du problme de dcision exclusivement en termes de contraintes modle = < {variables de dcision}, {contraintes} >

contrainte = expression reliant des variables de dcision solution = ensemble de valeurs qui satisfait toutes les contraintes
caractristiques

analyse du problme, rduction de la combinatoire, sparation analyse/rsolution flexibilit, modularit de l'approche adapte au contexte de l'aide la dcision (volution du modle)
P. Lopez LAAS-CNRS
46
23
Approche par contraintes de l'ordonnancement
Problmes de Satisfaction de Contraintes (CSP)

rgles de cohrence locale pour les contraintes temporelles stratgies de recherche heuristiques
Thorie de l'ordonnancement

thormes de dominance bornes infrieures et suprieures des solutions optimales procdures arborescentes de rsolution
rgles de propagation des contraintes de ressources
Programmation par contraintes

Programmation Logique avec Contraintes librairies C++

P. Lopez LAAS-CNRS
Propagation de contraintes (1)
ensemble de techniques permettant de simplifier la rsolution approche non-dterministe : caractrisation ensemble de dcisions
renforcement de consistance : simplifier la rsolution du problme (suppression des redondances, filtrage des valeurs des variables n'appartenant aucune solution)
structuration des dcisions

limitation des actions possibles explicitation des degrs de libert disponibles

P. Lopez LAAS-CNRS
24
Rgles d'limination et d'ajustement lie aux paires de disjonction
tches Tche 3 Tche 2
Exemple : dj - ri < pi + pj i non avant j problme disjonctif j avant i ajustements de ri et dj
Tche 1 Propagation
t tches
Tche 3 Tche 2 Tche 1 t

49
P. Lopez LAAS-CNRS
Ordonnancement & affectation
problme mixte d'ordonnancement et d'affectation
affectation de ressources : ensemble de ressources possibles dures dpendantes des ressources pour k, dure des tches variables pi,k [pi,kmin, pi,kmax]
exemple : Job Shop avec affectation

( M1 ,[5 ,7 ]) ( M 2 ,[9 ,12]) ( M1 ,[ 6,10]) ( M 2 ,[ 2,4])
( M 4 ,[8,14]) ( M1 ,[3,6])
( M 3 ,[5,10])
( M 2 ,[3,7]) ( M 4 ,[5,10])
( M 3 ,[ 2,4])
P. Lopez LAAS-CNRS
50
25

i est affecte sur Rk j peut tre affecte sur Rk
ri Rk
i , pi ,k
j , p j ,k rj
dj
i non avant j
A j ! A j \ {Rk }
Rk
i , pi ,k
j , p j ,k
j pi /
di
P. Lopez LAAS-CNRS
51
3me partie Quelques mthodes de GP

1. Gestion des stocks
1.1. Prambule 1.2. Modle de la quantit conomique optimale (EOQ) 1.3. Exemples
2. Planification des besoins en composants

2.1. Introduction 2.2. Calcul des besoins bruts 2.3. Planification au plus tard 2.4. Calcul des besoins nets
3. Juste--temps 4. OPT
3.1. Introduction 3.2. Mthode Kanban
52
26
Gestion des stocks : prambule (1)

une des plus vieilles mthodes de GP gestion base sur la notion de stock assurer un stock moyen pour

stocks = 20 80 % du total du bilan d'une entreprise industrielle (selon l'activit) viter des stocks trop importants (coteux : immobilisation d'une source de revenu et besoin de gestion du stock) viter des stocks trop faibles (difficult d'adaptation aux variations de la demande) stocks ngatifs (ou pnurie, rupture, manque) matires premires (anticiper les fluctuations des prix et les ventuelles dfaillances des fournisseurs...) en-cours (dcouplage des divers stades de la production et quilibrage des flux, protection contre les arrts momentans) produits finis (rduction des dlais de livraison, amortir les fluctuations de la demande, de la production, parer aux priodes chmes (aot))
3 types de stocks

P. Lopez LAAS-CNRS
Gestion des stocks : prambule (2)
Hypothses

planification moyen terme demande prvisible et relativement constante (production sur stock) cots de stockage et d'approvisionnement connus et constants cots proportionnels au nombre de pices viter les ruptures de stock tout en conservant un niveau de stock le plus faible possible QUAND ET COMBIEN COMMANDER ? cot de possession li aux quantits stockes cot de commande li au lancement en production, aux appros... cot de rupture li aux retards de livraison
But

Principe : minimiser une fonction de cot conomique

P. Lopez LAAS-CNRS
27
GdS : Modle de la Quantit Economique de Commande (EOQ) (1)

EOQ = "Economic Order Quantity" valable pour demande rgulire et taux d'appros constant, recompltement priodique, pas de rupture base sur une politique optimale de gestion des stocks dont les caractristiques sont :
succession

d'ordres d'approvisionnement dont l'effet est de remonter le niveau du stock, et de phases o le stock diminue rgulirement sous l'effet de la demande)
il est moins coteux d'attendre que le stock soit vide pour passer commande (courbe y = Dx + Q)
temps de cycle = intervalle entre 2 commandes : Tcycle = Q/D

P. Lopez LAAS-CNRS
GdS : Modle de la Quantit Economique de Commande (EOQ) (2)

niveau de stock Q
-D
t Tcycle=Q/D
remplissage du stock non instantan (production par un site A de l'atelier en amont du site B dont on gre le stock)
pour qu'un site A produise Q un taux P, il faut un temps Q/P, pendant lequel la demande D du site B par unit de temps effectue un prlvement DQ/P ; globalement, on a donc un taux P-D pendant une dure Q/P, et on obtient Qmax = (P-D)Q/P = (1-D/P)Q
P. Lopez LAAS-CNRS
56
28
GdS : Politique optimale de gestion des stocks dans un cadre de production

niveau de stock Q Q(1-D/P)
P -D
-D
t Q/P (Q/D-Q/P) Tcycle=Q/D

GdS : Formule de Wilson (1)

Rappel des notations

P = taux de production par priode Q = taille en volume de la commande (stock) D = demande en volume par priode Tcycle = intervalle entre deux commandes (priode) Cp = cot de possession par unit de produit et par priode Cc = cot de commande CT(Q) = cot total de stockage par priode
Le cot de possession entre 2 instants t1 et t2 est proportionnel au nb cumul darticles stocks et la longueur de [t1,t2] ; il est donc proportionnel l'aire contenue sous la courbe d'volution des stocks ; do : Cp ( Cp % DCc D Q 1 D CT (Q) = & Q(1 ! ) + Cc # " = Q(1 ! ) + & 2 # T P D 2 P Q ' $ cycle qui forme une hyperbole dont le minimum est trouv en galant zro la drive par rapport Q. On obtient alors la formule de Wilson :
29
GdS : Formule de Wilson (2)

CT(Q)
dCT (Q ) =0 dQ
global possession commande
Q*
EOQopt = Q* =
P. Lopez LAAS-CNRS
2Cc DP C p ( P ! D)
" CT (Q*) = 2 DCcC p (1 !
D ) P
59
GdS : Exemple (1)

Donnes
demande hebdomadaire d'une pice D=200 units/semaine cot de possession Cp=0,5 / unit / semaine cot administratif d'une commande = 500 frais de livraison = 500
Donc :
cot global de commande Cc=1000
Hypothse : remplissage instantan du stock (fournisseur extrieur)

Q* = 2Cc D Cp
CT (Q*) = 2 DCcC p
Q*= 895 pices CT(Q*)=447,21 par semaine soit 2,24 /pice T*=4,47 semaines
30
GdS : Exemple (2)

Donnes
demande annuelle d'une pice D=50000 units/an production maximale P=200000 units/an cot de commande Cc=500 cot de possession Cp=3 /unit/an usine travaille H=240 jours/an
Donc :
demande journalire = 50000/240 = 208,33 production journalire = 200000/240 = 833,33 stock net journalier = 833,33 - 208,33 = 625
Production de Q units en 240Q/200000 jours, au bout desquels on aura 625.240Q/200000=0,75Q units stockes Si Q=8000, et si le stock initial est nul, la production ncessitera 9,6 jours et permettra de stocker 6000 pices qui seront consommes en 6000/208,33=28,8 jours Q*=4714 pices et CT(Q*)=10607
Planification des besoins en composants : Introduction (1)
Apparue aux Etats-Unis dans les annes 65-70

MRP1 : Material Requirements Planning dans les annes 80 prise en compte de la capacit limite des ressources (MRP2 : Manufacturing Resource Planning) planification moyen terme dans une production flux pousss production rptitive (grande srie) anticiper la demande pour s'adapter ses variations QUAND ET COMBIEN PRODUIRE ? par rapport la gestion des stocks, on met l'accent sur les problmes lis la fabrication, les stocks apportant des contraintes et des cots que l'on cherche minimiser
Hypothses

But

P. Lopez LAAS-CNRS
31
Implantation
Il faut disposer d'un systme d'information informatis (donnes physiques, donnes comptables, plan directeur de production comportant les quantits produire par famille de produits Master Production Schedule , les niveaux des diffrents stocks et une organisation des moyens disponibilit variable)
MPS
INV
MRP
BOM
Ordres de fabrication P. Lopez LAAS-CNRS
Ordres d'achat 63
Principe de MRP1
3 phases calcul des besoins bruts planification au plus tard de la mise en fabrication des pices (ou absorption des dlais) calcul des besoins nets Mise en uvre dcisions prises chaque niveau valides par simulation remise en cause si problme
MRP2 : ajout d'heuristiques (agissant sur le lancement en production de pices) pour rester dans les limites imposes par les ressources
P. Lopez LAAS-CNRS
32
PBC : Calcul des besoins bruts
Bas sur les liens de nomenclature (reprsentation arborescente)
lien
B (1) E (1) D (2) F (2)
A se compose d'un sous-ensemble B, de deux sous-ensembles C et de quatre pices F Nombre de composants pour un compos de niveau immdiatement suprieur (coefficient technique ou de montage) En final, le montage d'une unit de A suppose de disposer de trois units de E et de seize units de F Pour 200 produits A commands, il faut approvisionner 600 pices E et 3200 pices F : ce sont les besoins bruts
C (2) E (1) F (4)
F (4)
Dfaut majeur : production non date et ne tenant pas compte des stocks
P. Lopez LAAS-CNRS
PBC : Planification au plus tard (1)

Pour rpondre au problme de la production non date, on va se servir du principe de calcul des besoins bruts en prenant en compte les dcalages temporels induits par l'attente d'un produit en un instant donn "On met la nomenclature l'horizontale en lui faisant subir une rotation de 90 dans le sens des aiguilles d'une montre."
P. Lopez LAAS-CNRS
66
33

cycles de montage de A, C et D = 1 semaine cycle de montage de B = 2 semaines dlais d'approvisionnement de E = 1 semaine et F = 2 semaines
E F D E F F C B A
-6
-5
-4
-3
-2
-1
Pour fabriquer 200 produits A, on doit passer commande de 800 pices F au dbut de la semaine -6, de 1600 au dbut de la semaine -4 et de 800 au dbut de la semaine -3. On doit galement passer commande de 200 E au dbut de la semaine -4 et de 400 au dbut de la semaine -3 Politique "lot-for-lot"...
P. Lopez LAAS-CNRS

Cycle total de fabrication d'un produit fini (A) = somme des plus longs cycles chaque niveau de nomenclature (6) Parallle avec un chemin critique puisque tout retard sur ce chemin (manant de livraison ou de fabrication) affecte d'autant la livraison au client Les pices lances en fabrication sont affectes une consommation prvue (politique lot-for-lot qui implique de commander exactement le nombre d'articles ncessaires par priode) permet de travailler sans stock (en thorie) Inconvnient majeur de MRP1 : dcorrlation entre les dlais et les volumes de production (qui se traduit gnralement par l'introduction d'heures supplmentaires pour faire face l'importance du dpassement des dlais pour des volumes importants) justification de MRP2
P. Lopez LAAS-CNRS
34
PBC : Calcul des besoins nets (1)
Demande pour A sur les semaines 1 6 : 10, 20, 30, 40, 50, 50 Stocks initiaux : A=30, B=70, C= 100, D=100, E=100, F=500 On part du niveau suprieur de la nomenclature : produit fini A

semaine 1 : demande couverte par le stock stock = 20 semaine 2 : demande couverte par le stock stock = 0 semaine 3 : lancement de 30 units en semaine 2 semaine 4 : lancement de 40 units en semaine 3 semaine 5 : lancement de 50 units en semaine 4 semaine 6 : lancement de 50 units en semaine 5
Pour pouvoir lancer A, il faut disposer des composants B, C et F

Pour B : semaines 2 et 3 :demandes couvertes par le stock stock = 0 semaine 4 : lancement de 50 units en semaine 2 semaine 5 : lancement de 50 units en semaine 3 ...
P. Lopez LAAS-CNRS
69
PBC : Calcul des besoins nets (2)

Demande A Stock initial A Besoin net A Lancement A Besoin brut B Stock initial B Besoin net B Lancement B Besoin brut C Stock initial C Besoin net C Lancement C Besoin brut D Stock initial D Besoin net D Lancement D Besoin brut E Stock initial E Besoin net E Lancement E Besoin brut F Stock initial F Besoin net F Lancement F 1 10 30 0 0 0 70 0 0 100 0 0 0 100 0 0 0 100 0 0 0 500 0 540 2 20 20 0 30 30 70 0 50 60 100 0 40 100 100 0 100 90 100 0 140 380 500 0 Semaines 3 4 30 40 0 0 30 40 40 50 40 50 40 0 0 50 50 80 100 40 0 40 100 100 100 100 0 100 150 100 10 0 140 100 100 660 120 540 5 50 0 50 50 50 0 50 100 0 100 6 50 0 50 -
P. Lopez LAAS-CNRS
70
35
Juste--temps : Introduction (1)
Apparue au Japon dans les annes 80 (Toyota) Hypothses

planification court terme dans une production flux tirs flux tirs : relancer de nouvelles phases de fabrication pour remplacer des produits ou des composants sortis des stocks production de masse fournir le produit exactement au moment du besoin et exactement dans la quantit dsire minimiser les en-cours tendre vers un flux de produits continu, approcher les quatre zros (0 stock / 0 retard / 0 dfaut / 0 panne)
But

P. Lopez LAAS-CNRS
Juste--temps : Introduction (2)

Principe
simpliste mise en ligne des machines pour accrotre la fluidit quipements spcialiss, oprateurs polyvalents flux tirs et recherche des quatre 0 (runion entre les diffrents acteurs de la production)
P. Lopez LAAS-CNRS
72
36
JAT : La mthode Kanban (1)
Description

OF en provenance de l'aval = "ticket" ou "Kanban" un Kanban comporte les informations suivantes :

dsignation de la pice et de l'opration dsignation des lieux d'origine et de destination quantit par conteneur (conteneur sert aux manipulations inter-postes) nombre de tickets en circulation dans la boucle
particularit d'un Kanban : circule en permanence dans le flux de fabrication ; il descend le flux avec les pices et le remonte une fois les pices consommes chaque poste de transformation possde un tableau mural de Kanbans ; une colonne par rfrence ; chaque colonne possde des index indiquant un niveau de lancement en fabrication possible (lot conomique) et un seuil d'alerte imposant un lancement en urgence
(remarque : la mthode Kanban n'induit pas de 0 stock comme le voudrait le juste--temps)

Problme

dterminer le nombre de Kanbans de chaque type ncessaires dans l'atelier fait par simulation ou ttonnements successifs (on enlve des Kanbans jusqu' ce que des ruptures de stock apparaissent) (a) le Kanban est mis sur le conteneur de pices qui viennent d'tre fabriques au poste amont (b) le Kanban accompagne le conteneur au poste suivant (en aval du flux) et reste sur le conteneur en attente (c) au moment o le conteneur est mis en fabrication sur le poste aval, le Kanban est libr et retourne au poste amont (d) le Kanban est plac dans un planning, prs du poste amont ; il sera retir de ce planning au moment d'une nouvelle mise en fabrication
Diffrentes phases

P. Lopez LAAS-CNRS
37
Circulation des Kanbans

poste amont
planning Kanban
(a)
(b)
poste aval
(c) flux physique des conteneurs flux des Kanbans Kanban sur un conteneur Kanban libre
(d)
P. Lopez LAAS-CNRS
75
OPT (Optimized Production Technology)

plus une philosophie qu'une mthode concept de flux tirs traduit par un flux de lancement adapt au rythme des machine les plus lentes base sur un ensemble de 10 rgles de bon sens utilisant la notion de ressource goulot

il faut quilibrer les flux (dynamique) et non les capacits (statique) l'utilisation d'une ressource non goulot n'est pas lie sa capacit 1 h perdue sur une ressource goulot est 1 h perdue pour tout le systme 1 h gagne sur une ressource non goulot est un leurre les lots de fabrication doivent tre de taille variable et non fixe calculs des besoins en composants et calcul du plan de production doivent tre raliss simultanment (remet en cause le MRP) ...
P. Lopez LAAS-CNRS
38
P. Lopez LAAS-CNRS
77
Ordonnancement de projet
Mthode chemin critique (PERT)

modlisation par graphe potentiels recherche des ordonnancements au plus tt/tard identification des tches critiques caractrisation des marges
P. Lopez LAAS-CNRS
78
39
Algorithme gnral de rsolution

tant que il reste des variables non affectes et que une inconsistance globale nest pas dtecte appliquer les raisonnements si une inconsistance est dtecte alors si il existe des choix non explors alors retour arrire sur un choix non explor sinon inconsistance globale dtecte sinon slectionner une variable encore libre choisir une valeur pour cette variable et mmoriser les autres
P. Lopez LAAS-CNRS
79
Affectation et "Branch and Bound"

Tourne Tour 1 Tour 2 Tour 3 Camion Cam A 94 1 54 Cam B 74 10 88 Cam C 62 88 8
Principe de sparation : affecter un camion une tourne Fonction d'valuation : somme des cots minimaux par tourne
P. Lopez LAAS-CNRS
80
40

0 71
Principe de sparation : affecter un camion une tourne Fonction d'valuation : somme des cots minimaux par tourne 71 = 62 + 1 + 8
P. Lopez LAAS-CNRS
81

0 71
Cam A Tour 1 Cam A Tour 3
Cam A Tour 2
3 126
112 1
Principe de sparation : affecter un camion une tourne (Cam A) Fonction d'valuation : somme des cots minimaux par tourne
2 71
P. Lopez LAAS-CNRS
82
41

0 71
Cam A Tour 2
3 126
112 1
Principe de sparation : affecter un camion une tourne (Cam B) Fonction d'valuation : somme des cots minimaux par tourne
2 71
Cam B Tour 1 Cam B Tour 3
83 4
5 151
P. Lopez LAAS-CNRS
83

0 71
Cam A Tour 2
3 126
112 1
Principe de sparation : affecter un camion une tourne (optimum) Fonction d'valuation : somme des cots minimaux par tourne
2 71
83 4
(Cam C Tour 3)
5 151
P. Lopez LAAS-CNRS
84
42

0 71
Cam A Tour 2
3 126
112 1
Principe de sparation : affecter un camion une tourne (optimum) Fonction d'valuation : somme des cots minimaux par tourne
2 71
83 4
(Cam C Tour 3)
5 151
Les nuds pendants sont sonds par test d'optimalit

P. Lopez LAAS-CNRS
Programme linaire
min ijk x(i,j,k) sous j,k, ijk x(i,j,k) < 1 i,j,k, x(i,j,k) - x(i,j,k-1) < 1 j, ik t(i,j)*x(i,j,k) < tmax(j) t(i,j) R x(i,j,k) {0,1}
critre
contraintes globales
contraintes de domaines
rsolution par solveurs : Xpress-MP, Cplex, Excel, Matlab (Tool

Box "Optimisation") 1re phase : relaxation en variables continues (Simplexe) 2me phase : optimisation combinatoire
P. Lopez LAAS-CNRS
86
43

GP

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

GP

Transféré par

Droits d'auteur :

Formats disponibles

Gestion de Production

Modles et mthodes en planification-ordonnancement

Vincent GIARD Gestion de la production Economica, 2003, 3me dition

Grard BAGLIN et al. Management industriel et logistique Economica, 1990

Jean BENASSY La gestion de production Hermes, 1998, 3me dition

Lionel DUPONT La gestion industrielle Hermes, 1998

1re partie : Introduction

4. Typologie des systmes de production

Taylor (1911) : organisation du travail base sur

Ford (1913) : standardisation de la production et travail la chane

savoir, prvoir, organiser, commander, coordonner, contrler

Gantt (1917) : ordonnancement

Gestion de Production Assiste par Ordinateur

mat. 1res ou comp. finis

comp. finis ou produits finis

Vision systmique d'un SP

Quatre grandes activits de la GP

gestion des donnes techniques

gestion des donnes commerciales

gestion des matires

Distingo de 3 sous-systmes dans un SP

Flexibilit dans les entreprises

Flexibilit vs. Ractivit

planification des flux ordonnancement de tches / affectation de ressources gestion de ressources

Gestion d'activits : approche multi-niveaux

l'horizon de dcision le niveau de comptence hirarchique l'agrgation de la dcision

Niveaux de dcision en planification

planification long terme (dcisions stratgiques) :

planification moyen terme (dcisions tactiques)

planification court terme (dcisions oprationnelles)

Structures organisationnelles en GP (1)

Organisation hirarchique fonctionnelle

Structures organisationnelles en GP (2)

Organisation matricielle projet/mtier

RM1 RM2 RM3 RM4

Contexte de lIngnierie Concourante ordonnancement coordination entre diffrents acteurs

Typologie des SP (1)

En fonction de l'organisation des ressources

Typologie des SP (2)

Organisation en ligne de production

Typologie des SP (3)

multiplicit des routes entre postes de travail prpondrance de la problmatique d'ordonnancement

Typologie des SP (4)

Organisation de type srie unitaire

Typologie des SP (5)

production flux tendus

2me partie Modles et mthodes en planification-ordonnancement

Programmation Linaire (1)

Programmation Linaire (2)

Problmes en nombres entiers

mthodes d'exploration arborescente

PL : rsolution (2) mthode de coupe

Solveurs : Xpress-MP, Cplex, Excel, Matlab (Tool Box

tche (ou activit ou opration)

Profil d'excution d'une tche

On peut distinguer 3 phases dans l'excution de la tche

temps phase principale prparation

Problmes d'ordonnancement (1)

un ensemble de tches un ensemble de ressources 4

Problmes d'ordonnancement (2)

Ordonnancement sans contraintes de ressource

Problmes d'ordonnancement (3)

Ordonnancement avec contraintes de ressource

une machine m machines identiques m machines ddies